• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of Intelligent Information Systems >(α, k)-anonymous data publishing
【24h】

(α, k)-anonymous data publishing

机译：（α，k）-匿名数据发布

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Privacy preservation is an important issue in the release of data for mining purposes. The k-anonymity model has been introduced for protecting individual identification. Recent studies show that a more sophisticated model is necessary to protect the association of individuals to sensitive information. In this paper, we propose an (α, k)-anonymity model to protect both identifications and relationships to sensitive information in data. We discuss the properties of (α, k)-anonymity model. We prove that the optimal (α, k)-anonymity problem is NP-hard. We first present an optimal global-recoding method for the (α, k)-anonymity problem. Next we propose two scalable local-recoding algorithms which are both more scalable and result in less data distortion. The effectiveness and efficiency are shown by experiments. We also describe how the model can be extended to more general cases.
机译：隐私保护是出于挖掘目的而发布数据中的重要问题。已经引入了k-匿名模型来保护个人身份。最近的研究表明，必须使用更复杂的模型来保护个人与敏感信息的关联。在本文中，我们提出了一个（α，k）-匿名模型来保护标识和与数据中敏感信息的关系。我们讨论（α，k）-匿名模型的性质。我们证明了最优（α，k）-匿名问题是NP-hard。我们首先为（α，k）-匿名问题提出一种最佳的全局编码方法。接下来，我们提出两种可扩展的本地编码算法，它们既具有更高的可扩展性又可以减少数据失真。实验证明了有效性和效率。我们还将描述如何将模型扩展到更一般的情况。

著录项

  • 来源
    《Journal of Intelligent Information Systems》 |2009年第2期|209-234|共26页
  • 作者

    Raymond Wong; Jiuyong Li; Ada Fu; Ke Wang;

  • 作者单位

    Department of Computer Science and Engineering, Hong Kong University of Science and Technology, Kowloon, Hong Kong;

    School of Computer and Information Sciences, University of South Australia, Mawson Lakes, South Australia, Australia;

    Department of Computer Science and Engineering, Chinese University of Hong Kong, Shatin, Hong Kong;

    Department of Computer Science, Simon Fraser University, Burnaby, Canada;

  • 收录信息
  • 原文格式 PDF
  • 正文语种 eng
  • 中图分类
  • 关键词

    privacy; data mining; anonymity; privacy preservation; data publishing;

    机译：隐私;数据挖掘;匿名;隐私保护;数据发布;

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号